FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*The author of this computation has been verified*
R Software Modulerwasp_bidensity.wasp
Title produced by softwareBivariate Kernel Density Estimation
Date of computationSun, 09 Nov 2008 10:38:19 -0700
Cite this page as followsStatistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2008/Nov/09/t122625233567ybuzqhse28bnj.htm/, Retrieved Tue, 28 May 2024 10:56:18 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=22791, Retrieved Tue, 28 May 2024 10:56:18 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact144

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F       [Bivariate Kernel Density Estimation] [Uitvoer - niet-du...] [2008-11-09 17:38:19] [54ae75b68e6a45c6d55fa4235827d5b3] [Current]
Feedback Forum
2008-11-22 09:58:00 [Astrid Sniekers] [reply] 
Uitvoer – niet-duurzame consumptiegoederen

De correlatie is 0.785838279717345. Er is een betrekkelijk belangrijk positief verband tussen de uitvoer en niet-duurzame consumptiegoederen.
2008-11-23 16:01:45 [Dorien Peeters] [reply] 
De correlatie is hier 0.785838279717345. We kunnen hier spreken van een positief verband tussen de uitvoer en de niet-duurzame consumptiegoederen.
2008-11-24 19:08:06 [Liese Tormans] [reply] 
De Bivariate Density gaat met behulp van hoogtelijnen de punten van gelijkaardige observaties verbinden. De grafiek bestaat uit verschillende kleuren die intensiteit weergeven.
Een rode kleur geeft een sterke intensiteit weer terwijl de gele en groene kleur wijzen op een eerder zwakke correlatie.
Ook is het mogelijk om aan de hand van deze grafiek de clusters af te lezen.

Het voordeel hier is dat we meer info krijgen dan bij de scatter plot of gewone correlatie.
Want bij de andere grafieken is niet echt rekening gehouden met de invloed van de derde variabele.
Op deze grafiek is er duidelijk een sterk verband zichtbaar tussen de dataset niet duurzame consumptie goederen en uitvoer. De correlatie is 0.79 we kunnen dus spreken van een sterk positief verband. Dit is ook zichtbaar op de grafiek de punten liggen zeer dicht bij de rechte.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
15
14.9
16.8
14.3
15.5
15.6
14.6
12.5
14.8
15.9
14.8
12.9
14.3
14.2
15.9
15.3
15.5
15.1
15
12.1
15.8
16.9
15.1
13.7
14.8
14.7
16
15.4
15
15.5
15.1
11.7
16.3
16.7
15
14.9
14.6
15.3
17.9
16.4
15.4
17.9
15.9
13.9
17.8
17.9
17.4
16.7
16
16.6
19.1
17.8
17.2
18.6
16.3
15.1
19.2
17.7
19.1
18
17.5
17.8
21.1
17.2
19.4
19.8
17.6
16.2
19.5
19.9
20
17.3
Dataseries Y:
Download CSV
Histogram 
98,6
98
106,8
96,7
100,2
107,7
92
98,4
107,4
117,7
105,7
97,5
99,9
98,2
104,5
100,8
101,5
103,9
99,6
98,4
112,7
118,4
108,1
105,4
114,6
106,9
115,9
109,8
101,8
114,2
110,8
108,4
127,5
128,6
116,6
127,4
105
108,3
125
111,6
106,5
130,3
115
116,1
134
126,5
125,8
136,4
114,9
110,9
125,5
116,8
116,8
125,5
104,2
115,1
132,8
123,3
124,8
122
117,4
117,9
137,4
114,6
124,7
129,6
109,4
120,9
134,9
136,3
133,2
127,2

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time1 seconds
R Server'Gwilym Jenkins' @ 72.249.127.135

\begin{tabular}{lllllllll}
\hline
Summary of computational transaction \tabularnewline
Raw Input & view raw input (R code)  \tabularnewline
Raw Output & view raw output of R engine  \tabularnewline
Computing time & 1 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=22791&T=0

[TABLE]
[ROW][C]Summary of computational transaction[/C][/ROW]
[ROW][C]Raw Input[/C][C]view raw input (R code) [/C][/ROW]
[ROW][C]Raw Output[/C][C]view raw output of R engine [/C][/ROW]
[ROW][C]Computing time[/C][C]1 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'Gwilym Jenkins' @ 72.249.127.135[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=22791&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=22791&T=0

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time1 seconds
R Server'Gwilym Jenkins' @ 72.249.127.135






Bandwidth
x axis0.656937108158502
y axis5.57686862052402
Correlation
correlation used in KDE0.785838279717345
correlation(x,y)0.785838279717345

\begin{tabular}{lllllllll}
\hline
Bandwidth \tabularnewline
x axis & 0.656937108158502 \tabularnewline
y axis & 5.57686862052402 \tabularnewline
Correlation \tabularnewline
correlation used in KDE & 0.785838279717345 \tabularnewline
correlation(x,y) & 0.785838279717345 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=22791&T=1

[TABLE]
[ROW][C]Bandwidth[/C][/ROW]
[ROW][C]x axis[/C][C]0.656937108158502[/C][/ROW]
[ROW][C]y axis[/C][C]5.57686862052402[/C][/ROW]
[ROW][C]Correlation[/C][/ROW]
[ROW][C]correlation used in KDE[/C][C]0.785838279717345[/C][/ROW]
[ROW][C]correlation(x,y)[/C][C]0.785838279717345[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=22791&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=22791&T=1

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Bandwidth
x axis0.656937108158502
y axis5.57686862052402
Correlation
correlation used in KDE0.785838279717345
correlation(x,y)0.785838279717345


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 50 ; par2 = 50 ; par3 = 0 ; par4 = 0 ; par5 = 0 ; par6 = Y ; par7 = Y ;
Parameters (R input):
par1 = 50 ; par2 = 50 ; par3 = 0 ; par4 = 0 ; par5 = 0 ; par6 = Y ; par7 = Y ;
R code (references can be found in the software module):
par1 <- as(par1,'numeric')
par2 <- as(par2,'numeric')
par3 <- as(par3,'numeric')
par4 <- as(par4,'numeric')
par5 <- as(par5,'numeric')
library('GenKern')
if (par3==0) par3 <- dpik(x)
if (par4==0) par4 <- dpik(y)
if (par5==0) par5 <- cor(x,y)
if (par1 > 500) par1 <- 500
if (par2 > 500) par2 <- 500
bitmap(file='bidensity.png')
op <- KernSur(x,y, xgridsize=par1, ygridsize=par2, correlation=par5, xbandwidth=par3, ybandwidth=par4)
image(op$xords, op$yords, op$zden, col=terrain.colors(100), axes=TRUE,main=main,xlab=xlab,ylab=ylab)
if (par6=='Y') contour(op$xords, op$yords, op$zden, add=TRUE)
if (par7=='Y') points(x,y)
(r<-lm(y ~ x))
abline(r)
box()
dev.off()
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Bandwidth',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'x axis',header=TRUE)
a<-table.element(a,par3)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'y axis',header=TRUE)
a<-table.element(a,par4)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Correlation',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'correlation used in KDE',header=TRUE)
a<-table.element(a,par5)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'correlation(x,y)',header=TRUE)
a<-table.element(a,cor(x,y))
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable.tab')